一种Hadamard矩阵多尺度排序方法和系统技术方案

技术编号:18458664 阅读:51 留言:0更新日期:2018-07-18 12:39
本发明专利技术公开了一种Hadamard矩阵多尺度排序方法和系统,其中,所述方法包括:初始化参数,构建M行M列的Hadamard矩阵;抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi;将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,将i记入顺序序号值I(i);存储Sa(i)与I(i)的值分别到向量Sa和向量I中;取i=i+1,判断i是否大于M;对向量Sa中的元素按从小到大的顺序排列,得到新序列R;按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi。通过本发明专利技术解决了现有编码不能同时兼顾快速成像和高信噪比成像的问题。

A Hadamard matrix multiscale sorting method and system

The invention discloses a Hadamard matrix multiscale sorting method and system, in which the method includes: initializing parameter, constructing Hadamard matrix of M row M column, normalizing each row or column vector of the Hadamard matrix, rearranging each row or each column vector element to form the square matrix Hi of the 2n row 2n column; and the square array Hi The N layer two-dimensional Haar wavelet decomposition is carried out, the coefficient matrix Ha is obtained, the absolute value of the coefficient matrix Ha is |Ha|, and the sum of the I is recorded in the sequence number value I (I), and the values of Sa (I) and I are stored respectively to the vector and vector. The new sequence R; by the new sequence R, we extract the Hadamard matrix after each row or column vector normalization, traverse M times to get M two-dimensional 2n * 2n matrix RHi. The invention solves the problem that the existing coding can not take into account both the fast imaging and the high signal to noise ratio imaging.

【技术实现步骤摘要】
一种Hadamard矩阵多尺度排序方法和系统
本专利技术属于图像处于
,尤其涉及一种Hadamard矩阵多尺度排序方法和系统。
技术介绍
在计算关联成像、计算鬼成像、计算量子成像,单像素相机,结构光照明成像或三维单像素激光雷达成像等技术中,编码矩阵的选择与优化决定着图像重建速度和图像信噪比,是上述
的核心技术和关键技术。编码矩阵的选择直接影响重建算法的执行效率和图像重建效果,并且算法的优化也需要考虑编码矩阵的性质。
技术实现思路
本专利技术的技术解决问题:克服现有技术的不足,提供一种Hadamard矩阵多尺度排序方法和系统,以解决现有编码不能同时兼顾快速成像和高信噪比成像的问题。为了解决上述技术问题,本专利技术公开了一种Hadamard矩阵多尺度排序方法,包括:步骤S1,初始化参数,设置i=1,M=22n,n=4,5,6…,n为正整数,构建M行M列的Hadamard矩阵;步骤S2,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi;步骤S3,将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,记为:Sa(i)=∑|Ha|;将i记入顺序序号值I(i);其中,向量Sa和向量I均是M×1维向量;步骤S4,存储Sa(i)与I(i)的值分别到向量Sa和向量I中;步骤S5,取i=i+1,判断i是否大于M;步骤S6,若i≤M,则重复执行步骤S2~S4,直至i>M;步骤S7,对向量Sa中的元素按从小到大的顺序排列,得到新序列R;步骤S8,按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi,RHi为按新序列R顺序产生的第i个多尺度编码矩阵。在上述Hadamard矩阵多尺度排序方法中,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi,包括:读取Hadamard矩阵的第i行,并归一化到[0,1]区间,得到向量Ai;依次读取Ai第1至第2n个元素作为方阵Hi的第一行,第2n+1至第2n+1个元素作为方阵Hi的第二行,直至读取第(2n-1)×2n+1至22n个元素作为方阵Hi的第2n行,遍历M个向量Ai后得到二维2n×2n方阵Hi,其中,i=1,2,3…M。在上述Hadamard矩阵多尺度排序方法中,对向量Sa中的元素按从小到大的顺序排列,得到新序列R,包括:读取步骤S4中存储M×1维向量Sa和M×1维向量I;对向量Sa的值按从小到大排序,以及,按初始顺序对应地调整向量I中与Sa(i)对应的I(i)值的先后顺序,保持初始对应关系;其中,若Sa(i)值与Sa(i-1)或Sa(i+1)值相等,则Sa(i)、Sa(i-1)或Sa(i+1)值按照初始顺序不变,排序后得到新序列R;设置不同的M值与n值,得到不同长度的新序列R的序列值。相应的,本专利技术还公开了一种Hadamard矩阵多尺度排序系统,包括:初始化模块,用于初始化参数,设置i=1,M=22n,n=4,5,6…,n为正整数,构建M行M列的Hadamard矩阵;归一化模块,用于抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi;小波分解模块,用于将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,记为:Sa(i)=∑|Ha|;将i记入顺序序号值I(i);其中,向量Sa和向量I均是M×1维向量;存储模块,用于存储Sa(i)与I(i)的值分别到向量Sa和向量I中;计数模块,用于取i=i+1,判断i是否大于M;选择模块,用于在i≤M时,返回归一化模块执行,直至i>M;排列模块,用于对向量Sa中的元素按从小到大的顺序排列,得到新序列R;遍历模块,用于按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi,RHi为按新序列R顺序产生的第i个多尺度编码矩阵。本专利技术具有以下优点:(1)在本专利技术中,生成的编码矩阵图案,按多分辨率尺度由低到高依次排列,这在对物体成像过程中,可获得分辨率从低到高的图像,在实际应用中获得满足要求的图像后即可随时终止测量。(2)在本专利技术中,多尺度排序编码中只包括0、1两种矩阵元素,且矩阵元0、1的个数相等,可用于光学差分测量,有效抑制环境噪声影响,鲁棒性强,在工程上易于实现。例如,DMD(DigitalMicro-mirrorDevice,DMD,数字微镜阵列)器件有数百万个微镜,微镜尺寸在微米量级,可以在±12°两个方向切换,切换速度可达32kHz,实现对光场的“开”,“关”控制,在物理上可等效为“开”对应矩阵元1,“关”对应矩阵元0。(3)在本专利技术中,多尺度编码在应用于计算关联成像、计算鬼成像、计算量子成像,单像素相机,结构光照明成像或三维单像素激光雷达成像等技术时,无需存储编码矩阵,可通过快速Hadamard变换、关联迭代或压缩感知算法实现快速成像。附图说明图1是本专利技术实施例中一种Hadamard矩阵多尺度排序方法的步骤流程图;图2是本专利技术实施例中一种256行Hadamard矩阵生成的16×16编码图案;图3是本专利技术实施例中一种向量Sa的数据值绘图;图4是本专利技术实施例中一种新序列R的数据值绘图;图5是本专利技术实施例中一种基于新序列R生成的16×16多尺度编码矩阵;图6是本专利技术实施例中一种方阵H2数据对应的显示图像。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术公共的实施方式作进一步详细描述。本专利技术公开了一种Hadamard矩阵多尺度排序方法和系统,可以生成多尺度调制编码矩阵,用于计算关联成像、计算鬼成像、计算量子成像,单像素相机,结构光照明成像或三维单像素激光雷达成像等技术,提升上述计算成像系统的图像重建速度和成像信噪比。参照图1,示出了本专利技术实施例中一种Hadamard矩阵多尺度排序方法的步骤流程图。在本实施例中,Hadamard矩阵多尺度排序方法,包括:步骤S1,初始化参数,设置i=1,M=22n,n=4,5,6…,n为正整数,构建M行M列的Hadamard矩阵。步骤S2,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi。步骤S3,将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,记为:Sa(i)=∑|Ha|;将i记入顺序序号值I(i);其中,向量Sa和向量I均是M×1维向量。步骤S4,存储Sa(i)与I(i)的值分别到向量Sa和向量I中。步骤S5,取i=i+1,判断i是否大于M。步骤S6,若i≤M,则重复执行步骤S2~S4,直至i>M。步骤S7,对向量Sa中的元素按从小到大的顺序排列,得到新序列R。步骤S8,按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi,RHi为按新序列R顺序产生的第i个多尺度编码矩阵。在本专利技术的一优选实施例中,抽取Hadamard矩阵的每行或列向量后进行本文档来自技高网...

【技术保护点】
1.一种Hadamard矩阵多尺度排序方法,其特征在于,包括:步骤S1,初始化参数,设置i=1,M=22n,n=4,5,6…,n为正整数,构建M行M列的Hadamard矩阵;步骤S2,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi;步骤S3,将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,记为:Sa(i)=∑|Ha|;将i记入顺序序号值I(i);其中,向量Sa和向量I均是M×1维向量;步骤S4,存储Sa(i)与I(i)的值分别到向量Sa和向量I中;步骤S5,取i=i+1,判断i是否大于M;步骤S6,若i≤M,则重复执行步骤S2~S4,直至i>M;步骤S7,对向量Sa中的元素按从小到大的顺序排列,得到新序列R;步骤S8,按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi,RHi为按新序列R顺序产生的第i个多尺度编码矩阵。

【技术特征摘要】
1.一种Hadamard矩阵多尺度排序方法,其特征在于,包括:步骤S1,初始化参数,设置i=1,M=22n,n=4,5,6…,n为正整数,构建M行M列的Hadamard矩阵;步骤S2,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi;步骤S3,将方阵Hi进行n层二维Haar小波分解,获得系数矩阵Ha,取系数矩阵Ha绝对值|Ha|,并求和∑|Ha|,记为:Sa(i)=∑|Ha|;将i记入顺序序号值I(i);其中,向量Sa和向量I均是M×1维向量;步骤S4,存储Sa(i)与I(i)的值分别到向量Sa和向量I中;步骤S5,取i=i+1,判断i是否大于M;步骤S6,若i≤M,则重复执行步骤S2~S4,直至i>M;步骤S7,对向量Sa中的元素按从小到大的顺序排列,得到新序列R;步骤S8,按新序列R重新抽取Hadamard矩阵每行或每列向量后进行归一化,遍历M次得到M个二维2n×2n方阵RHi,RHi为按新序列R顺序产生的第i个多尺度编码矩阵。2.根据权利要求1所述的Hadamard矩阵多尺度排序方法,其特征在于,抽取Hadamard矩阵的每行或列向量后进行归一化,将每行或每列向量元素重新排列形成2n行2n列的方阵Hi,包括:读取Hadamard矩阵的第i行,并归一化到[0,1]区间,得到向量Ai;依次读取Ai第1至第2n个元素作为方阵Hi的第一行,第2n+1至第2n+1个元素作为方阵Hi的第二行,直至读取第(2n-1)×2n+1至22n个元素作为方阵Hi的第2n行,遍历M个向量Ai后得到二维2n×2n方阵Hi,其中,i=1,2,3…M。3.根据权利要求1...

【专利技术属性】
技术研发人员:李明飞霍丽君霍娟杨然董鹏
申请(专利权)人:北京航天控制仪器研究所
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1